Apakah keuangan bab pertama crypto atau bentuk akhirnya? Pendapat para VC...

ambcryptoDipublikasikan tanggal 2026-02-10Terakhir diperbarui pada 2026-02-10

Abstrak

Masa depan cryptocurrency masih diperdebatkan, dengan fokus utama pada sektor keuangan versus aplikasi non-keuangan. Chris Dixon (a16z Crypto) berpendapat bahwa penggunaan non-keuangan masih berkembang, sementara Haseeb Qureshi (Dragonfly) menyatakan bahwa hanya keuangan yang telah terbukti cocok dengan pasar. Aliran modal ventura yang besar ($20 miliar pada 2025) dan pertumbuhan DeFi serta stablecoin ($307 miliar) mendukung dominasi sektor keuangan. Platform seperti PancakeSwap dan Aave menghasilkan pendapatan signifikan, sedangkan sektor seperti game dan sosial kesulitan mempertahankan aliran pendapatan tanpa subsidi. Kesimpulannya, keuangan tetap menjadi lapisan nilai utama crypto, sementara sektor utilitas masih berjuang untuk sustainability finansial.

Apakah masa depan cryptocurrency dalam keuangan telah mapan, atau potensi aplikasi non-keuangan baru mulai terbuka?

Chris Dixon, Managing Partner di a16z Crypto, menolak narasi tersebut, dengan menyatakan,

“Saat ini sedang tren untuk menyatakan bahwa kasus penggunaan non-keuangan dari crypto sudah mati.”

Dia menjelaskan bahwa blockchain memperkenalkan primitif koordinasi, dengan keuangan muncul pertama kali karena infrastruktur harus berkembang sebelum sektor lainnya.

Haseeb Qureshi, Managing Partner di Dragonfly, menanggapi langsung dengan menantang gagasan bahwa regulasi yang disalahkan. Dia bertanya mengapa keuangan berkembang meskipun menghadapi pengawasan yang lebih ketat.

Menurutnya, crypto konsumen gagal karena lemahnya permintaan daripada hambatan kebijakan, dengan argumen bahwa produk itu sendiri buruk dan pada akhirnya gagal dalam uji pasar.

Dixon menunjuk pada urutan era internet dan pergeseran kebijakan yang mendukung, sementara Qureshi mengutip sejarah adopsi, menyimpulkan bahwa keuangan tetap menjadi product-market fit crypto satu-satunya yang terbukti.

Aliran modal mengungkap product-market fit sejati crypto

Pendanaan ventura meningkat tajam pada tahun 2025, melampaui $20 miliar, level tertinggi sejak 2022 dan lebih dari dua kali total tahun 2023. Pertumbuhan meningkat menjadi Q4, di mana $8,5 miliar mengalir melintasi 425 kesepakatan, naik 84% secara kuartal dibanding kuartal sebelumnya.

Modal berfokus pada putaran tahap akhir, infrastruktur, dan DeFi, menandakan keyakinan institusional daripada hype ritel. Ekspansi ini selaras dengan fase stabilisasi DeFi.

Total nilai terkunci pulih ke sekitar $99,07 miliar, bangkit dari lantai pasar bear $50 miliar, sementara pasokan stablecoin melebihi $307 miliar.

Platform pinjaman seperti Morpho mempertahankan likuiditas yang dalam, memperkuat keuangan sebagai lapisan product-market fit crypto. Sementara itu, penyelesaian stablecoin mencapai triliun setiap tahun, dengan volume yang disesuaikan menyaingi jalur tradisional dalam throughput.

Bersama-sama, arus masuk pendanaan dan pertumbuhan pembayaran mendukung adopsi yang dipimpin keuangan, memvalidasi pandangan permintaan Haseeb sementara masih mencerminkan logika urutan Dixon.

Kepadatan pendapatan masih tertambat

Konsentrasi pendapatan di seluruh protokol teratas memperkuat perbedaan akrual nilai.

Platform keuangan memimpin profitabilitas sepanjang tahun, dengan PancakeSwap [CAKE] menghasilkan sekitar $15,8 juta dalam pendapatan 30 hari dan Aave [AAVE] $10,4 juta, menandakan keberlanjutan yang digerakkan oleh fee.

Ketika emisi menurun, nilai yang dipertahankan menguat melalui pembakaran dan staking, yang mendukung profitabilitas bersih. Sebaliknya, sektor non-keuangan sangat bergantung pada imbalan token untuk mendorong penggunaan. Aktivitas gaming dan sosial melonjak selama airdrop dan fase play-to-earn; namun, retensi melemah begitu subsidi mereda.

Kepadatan pendapatan tetap tipis, dengan game blockchain teratas menghasilkan sekitar $4,2 juta per hari dan ARPU seringkali di bawah $10–$30. Dengan demikian, utilitas menarik pengguna tetapi berjuang untuk mengubah keterlibatan menjadi arus kas yang tahan lama.

Semua ini bersama-sama, dari perspektif pendapatan dan return ventura, argumen permintaan Haseeb tampak lebih kuat, sementara pandangan Dixon tetap struktural jangka panjang.


Pemikiran Akhir

  • Keuangan tetap menjadi lapisan akrual nilai dominan crypto, dengan modal, pendapatan, dan arus pembayaran berkonsolidasi di sekitar jalur DeFi dan stablecoin.
  • Sektor utilitas mendorong keterlibatan tetapi gagal mengubah penggunaan menjadi arus kas yang tahan lama, memperkuat skeptisisme ventura meskipun ada potensi ekspansi jangka panjang.

Pertanyaan Terkait

QMenurut Chris Dixon, mengapa aplikasi keuangan muncul lebih dulu dalam ekosistem crypto?

AChris Dixon menjelaskan bahwa blockchain memperkenalkan primitif koordinasi, dengan keuangan muncul pertama kali karena infrastruktur harus berkembang sebelum sektor lainnya.

QApa argumen Haseeb Qureshi mengenai kegagalan crypto konsumen?

AHaseeb Qureshi berpendapat bahwa crypto konsumen gagal karena permintaan yang lemah, bukan hambatan kebijakan, dan produk itu sendiri buruk sehingga gagal dalam uji pasar.

QBagaimana aliran modal ventura pada tahun 2025 mencerminkan keyakinan institusional dalam crypto?

AModal ventura naik tajam menjadi lebih dari $20 miliar pada 2025, dengan fokus pada putaran tahap akhir, infrastruktur, dan DeFi, menandakan keyakinan institusional daripada hype ritel.

QProtokol mana yang memimpin profitabilitas dalam platform keuangan crypto?

APancakeSwap [CAKE] menghasilkan sekitar $15,8 juta dalam pendapatan 30 hari dan Aave [AAVE] $10,4 juta, menandakan keberlanjutan yang didorong oleh biaya.

QMengapa sektor non-keuangan seperti game dan sosial kesulitan menghasilkan arus kas yang tahan lama?

ASektor non-keuangan mengandalkan heavily pada imbalan token untuk mendorong penggunaan, dengan retensi melemah setelah subsidi menghilang dan kepadatan pendapatan tetap tipis, seringkali di bawah $10–$30 ARPU.

Bacaan Terkait

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

Konsep Recursive Self-Improvement (RSI), atau kecerdasan buatan yang mampu melatih dan meningkatkan dirinya sendiri secara mandiri, menjadi tren hangat di dunia AI. Beberapa startup seperti Recursive Superintelligence dan proyek Auto-Research dari Andrej Karpathy fokus pada realisasi visi ini. Meski demikian, CEO Google Sundar Pichai menyatakan teknologi ini masih dalam tahap awal dan belum mencapai percepatan skala besar seperti yang dibayangkan. Analisis dari para peneliti membagi kemajuan RSI menjadi tiga tahap: *adequacy* (sistem berjalan tanpa manusia), *parity* (kualitas setara manusia), dan *supremacy* (melebihi kolaborasi manusia-AI). Pencapaian tahap kedua diprediksi akan memicu percepatan yang sangat cepat. Di China, perusahaan seperti DeepSeek dan Baidu secara diam-diam telah menerapkan prinsip-prinsip serupa RSI dalam pengembangan model mereka, seperti optimisasi algoritma efisien dan siklus peningkatan mandiri, meski tidak secara terbuka menyebut istilah RSI. Namun, tantangan RSI tetap ada, termasuk risiko *model collapse* (penurunan kualitas data generasi AI) dan prasyarat lingkungan yang sulit seperti kebutuhan komputasi tak terbatas dan ekosistem penelitian terbuka global. Perkembangan RSI merefleksikan tren di mana peran manusia dalam rantai pengembangan AI secara bertahap berkurang, sebuah proses yang bersifat irreversible.

marsbit57m yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

marsbit57m yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit58m yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit58m yang lalu

Trading

Spot
Futures
活动图片